dask_expr._groupby.GroupBy.first
dask_expr._groupby.GroupBy.first¶
- GroupBy.first(numeric_only=False, sort=None, **kwargs)[源代码]¶
计算每个组内每一列的第一个条目。
此文档字符串是从 pandas.core.groupby.groupby.GroupBy.first 复制的。
Dask 版本可能存在一些不一致性。
默认跳过 NA 元素。
- 参数
- 仅数值bool, 默认 False
仅包含浮点数、整数、布尔类型的列。
- min_countint, 默认 -1 (在 Dask 中不支持)
执行操作所需的有效值数量。如果有效值少于
min_count，结果将为 NA。- skipnabool, 默认 True (Dask 不支持)
排除NA/空值。如果整行/整列都是NA，结果将是NA。
2.2.1 新版功能.
- 返回
- Series 或 DataFrame
每个组内的第一个值。
参见
DataFrame.groupby对DataFrame的每一行或每一列应用一个groupby函数。
pandas.core.groupby.DataFrameGroupBy.last计算每一列的最后一个非空条目。
pandas.core.groupby.DataFrameGroupBy.nth从每个组中取第 n 行。
示例
>>> df = pd.DataFrame(dict(A=[1, 1, 3], B=[None, 5, 6], C=[1, 2, 3], ... D=['3/11/2000', '3/12/2000', '3/13/2000'])) >>> df['D'] = pd.to_datetime(df['D']) >>> df.groupby("A").first() B C D A 1 5.0 1 2000-03-11 3 6.0 3 2000-03-13 >>> df.groupby("A").first(min_count=2) B C D A 1 NaN 1.0 2000-03-11 3 NaN NaN NaT >>> df.groupby("A").first(numeric_only=True) B C A 1 5.0 1 3 6.0 3